基于线阵CCD的智能汽车自动循迹系统的研究

摘要 本文介绍了使用线阵CCD做传感器，MC9S12XS128做微控制器的智能汽车自动循迹系统，采用物理模型仿真的方法具体分析了几种适用于线阵CCD的处理算法的利弊，最终实验结果表明，周期动态阈值法和“多次采集，集中处理”的方法综合效果较优。

关键词 线阵CCD；智能汽车；周期动态阈值法

中图分类号 U46 文献标识码A 文章编号 1674-6708（2014）113-0241-02

0 引言

所谓“智能汽车”是指不需要或者较少人工干预，能够通过采集并分析实时的车道信息实现自动驾驶的车辆。目前，智能汽车领域面临的主要技术难点是车道信息的采集、处理和研判。其中，车道信息的采集和处理直接影响着研判的准确度，因此这二者就显得尤为重要。目前，主要使用CMOS摄像头或者线阵CCD实现信息的实时采集。而车道信息的处理主要涉及到图像处理领域，相关的方法有图像降噪，阈值计算，图像二值化，图像分割等。最后一步就是车道信息的研判，研判就是根据前两步提取出的信息的不同，采用不同的控制策略或者控制方法，使得智能汽车可以应对各种不同的交通状况，对各种突况有快速的反应。

1 信息采集

目前，CMOS摄像头和线阵CCD是比较主流的采集车道信息的传感器。CMOS摄像头采集的是二维灰度图像。由于分辨率较高，故可以较为真实的还原出当前的车道信息。但同时也给微处理器的采集带来了很大的压力，使得处理和存储过程十分复杂，对于一般的微处理器很难保证整个系统实时性的要求。从另一个角度来说，如此之多的像素其实很大一部分都没有被充分利用，因此这实际上是一种对时间的浪费。

对于线阵CCD来说，它与CMOS摄像头最大的不同在于，线阵CCD是一维的灰度图像。本系统采用的是TSL1401线阵CCD，该线阵CCD的分辨率为128*1，CPU采集的数据量少了很多，采集所花费的时间也减少了，这可以提高整个系统的响应速度。 但也正因为它只能采集视野中的一行图像，实际上并不能完整的还原真实的车道信息。因此需要采用特别的信息处理方式。

2 信息处理

线阵CCD常规的图像处理方法就很简单。具体是在车辆启动时首先计算图像的灰度阈值，把这个值作为固定值保存下来，然后在车辆运行时根据该固定的阈值对采集到的每一幅图像进行二值化，对二值化后的一维图像滤波，最后计算出道路中线分别距两边黑线的距离之差，而这个差值就表明了当前车辆在道路上的位置。实际上也就提取出了当前的车道信息。

这是常规的针对线阵CCD的处理方法。实际上，这种方法是有缺陷的。首先，由于环境光线的强度并不是严格恒定的，如果只在车辆启动时计算阈值一次，并保持该阈值不变，当环境光线的强度发生变化时，原来的阈值很可能不适用于当前的这种环境，这很可能造成对车道的误判。再有，由于线阵CCD一次只能采集一行数据，当车辆在较为复杂的车道上运行时，一行数据并不能反映车道的弯曲程度及当前车辆在车道上的位置，很可能导致车辆在高速运行时对复杂车道的反应不及时。

本系统并没有采用这种常规的方法。首先，本汽车循迹系统抛弃了原有的固定阈值的算法，改为动态阈值算法，这样系统能够根据实际的环境情况及时的调整阈值的大小，从而提高了系统对环境光线的适应性。但经过实验发现，如果在每个控制周期都计算阈值的话，系统对赛道的灵敏度将大幅度提高，车道上的一点小的干扰都将会使系统发生震荡。造成这个问题的主要原因是AD转换器每次采集线阵CCD像素值时都有轻微的波动，而这种波动会被直接带入到计算出的动态阈值中。阈值的频繁随机波动对整个系统是有害的，因此为了避免这种有害的影响而又不降低系统对车道的灵敏度，动态阈值的计算并不会在每个周期都进行，而是每隔几个周期进行一次，这样就可以将波动对系统的负面影响降到最小。这就是周期动态阈值法。

对于线阵CCD无法全面采集车道信息的问题，本系统采用“多次采集，集中处理”的方法。具体是，车辆启动后运行时连续采集10次线阵CCD的图像值，将图像值存入一个二维数组中。这样就可以利用线阵CCD每次得到的一维图像经过10次采集拼成一副128*10低分辨率的二维图像，然后就可以利用常规处理二维图像的方法，求出车辆此时相对于车道的斜率，车道的曲率以及车辆距车道中线的偏差。斜率、曲率和偏差这三种参数可以较为全面的体现当前车辆运行及车道的信息。这种方法既可以提高线阵CCD还原车道信息的准确程度，又可以减小图像处理的数据量，使CPU可以同时兼顾处理其他的任务。

3 信息研判

在将车道信息提取出来之后，可以将斜率、曲率和偏差分别输入PID控制器实现对智能汽车方向的控制。由于静态参数的PID控制器的鲁棒性并不好，为了提高其鲁棒性，可以采用动态参数的PID控制器。将曲率按照大小分成三个不同的区间，每个区间采用不同的PID参数，以较好的适应各种不同车道。这种方法可以在一定程度上提高PID控制器的鲁棒性，达到较好的控制效果。

4 结论

通过在程序中使用周期动态阈值法不仅解决了固定阈值法系统对环境光线适应性不足的问题，还解决了由于直接使用动态阈值法造成的系统不稳定的问题。总体来说达到了较好的效果，这说明周期动态阈值法在实验条件下可以用于智能汽车自动循迹系统。线阵CCD“多次采集，集中处理”的方法，可以通过调整一次采集线阵CCD图像的行数灵活的改变需要处理的车道信息量的大小，以适应各种不同档次的微处理器，同时弥补了线阵CCD采集信息较少，无法还原全部车道信息的缺陷。

综上所述，通过使用线阵CCD并配以合适的算法实现智能汽车的自动循迹收到了良好的效果。

参考文献

[1]章毓晋.图像处理和分析[M].北京：清华大学出版社，1999.

[2]杨博雄，张晓华，傅辉清.线阵CCD数据的高速采集与存储[J].大地测量与地球动力学，2004.

[3]蔡文贵，李永远，许振华.CCD技术及应用[M].北京：电子工业出版社，1992.

[4]达争尚，施沅芳.线阵CCD尺寸测量信号的提取[J].西安工业学院学报，2000.

[5]孟继轲.基于单片机的线阵CCD驱动设计[J].太原科技大学学报，2007.